腾讯发布混元 Hy4 正式版，Google 调整 K-12 教育 AI 政策
腾讯混元发布 Hy4 正式版，相比 Hy4 preview 扩展预训练和后训练规模，首次引入视觉与电脑操作能力，并提升长文理解、深度研究等表现。Hy4 已在腾讯云和 OpenRouter 上线，API 价格与 preview 相同，近期将开源权重。Google 则宣布从 2027 年起调整 K-12 教育 AI 政策，学校管理员须主动启用相关服务。
#论文/研究
少数派AI 评分4343 ZDNet AIAI 评分6262 Yale 研究用 AI 聊天机器人回答选民选举问题，结果好坏不一
Yale 研究人员让 35 个参议院选区的近 2,500 名 ChatGPT、Claude、Grok 和 Gemini 周用户询问选举信息，其中 36% 请求聊天机器人协助选择候选人。研究显示，不同模型推荐候选人的频率差异明显，开放式问题更依赖训练材料、来源与模型追问，可能带来偏差和错误信息风险。
The DecoderAI 评分6161 CloudOpsBench 开源基准揭示 AI 智能体云运维中的推理瓶颈
CloudOpsBench 1.0 是面向 AWS 云端 DevOps 任务的开源基准，由 experienced DevOps engineers 构建，包含 45 项任务。
The Decoder精选AI 评分8080 MIT 研究用 GPT-6 Astra 直接修改其他 AI 模型权重
MIT 研究人员展示 GPT-6 Astra 无需传统再训练，即可直接分析并修改其他 AI 模型的内部权重，并将其称为 Weight-Space Programming。
推荐理由：研究以 Qwen3.5-0.8B 为例展示了直接修改模型权重的实验效果，也明确呈现了方法受限于模型已有能力的边界。
The DecoderAI 评分6868 Anthropic 开源 FlashProve 原型，用密码学验证 AI 响应来源
Anthropic 发布开源研究原型 FlashProve，通过 zkSNARK 证明 AI 响应是否由指定模型生成，同时不暴露模型权重。该系统目前只支持最长 1,024 tokens 的上下文，并仅适用于模型选择最高概率下一 token 的场景。
爱范儿AI 评分6868 Anthropic 开源 FlashProve 研究原型，探讨 AI 中转站模型身份验证
Anthropic 发布 FlashProve 开源研究原型，尝试用密码学证明让用户核验远程 API 输出是否来自指定模型权重。该原型基于 zkSNARK，实验使用公开 4-bit 权重的 Llama 4 Maverick，证明生成速度约为 110 tokens/秒，单个 1,024-token 请求的证明约为 19 MB，验证在 24 线程 CPU 上约需 17 秒。
雷峰网AI 评分5656 MIT CSAIL 以权重空间编程局部修复 Qwen3.5-0.8B 推理循环
MIT CSAIL 让 GPT-6 Astra 定位并编辑 Qwen3.5-0.8B 中与推理循环相关的参数，仅改动约 0.016% 的权重，使 MATH-500 成绩从 7.9% 提升到 48.1%。研究还覆盖游戏网络、车辆控制和 Gemma 3 270M 对照实验，并将这种从权重中识别计算路径、直接生成或修改参数的方法称为 Weight-Space Programming。
雷峰网AI 评分4848 严骏驰团队提出 JTok 与 xHC 两条 Transformer 架构扩展思路
严骏驰团队在 CNCC 2026 提出 JTok 与 xHC：前者以可学习参数表扩展 token 容量，后者以十六路残差流、稠密读取和稀疏写回扩展模型容量。实验显示，JTok-M 达到相同损失可节省约 35% 训练算力，但推理延迟增加约 7%；xHC 在 18B MoE 上将平均分从 44.8 提升至 48.8，并较标准 Transformer 节省约 33% 训练算力。
TechCrunch AIAI 评分5757 Anthropic 开源 FlashProve 原型以验证 AI 模型输出身份
Anthropic 正在研究开源系统 FlashProve，通过密码学证明确认特定输出是否来自指定 AI 模型。研究人员发布了技术规范和部分可用代码，并允许模型实验室公开不泄露权重的指纹；研究仍在进行，目前没有部署计划。
MarkTechPostAI 评分7070 Anthropic 开源 FlashProve，用加密证明验证模型回复来源
Anthropic 发布开源研究原型 FlashProve，通过 zkSNARK 证明回复来自已承诺权重的模型，同时不泄露权重。FlashProve 在 Llama 4 Maverick 的 400B MoE 模型上使用 1 张 H100 实现约 110 tokens/second 证明，生成 18.78 MB 证明，并可在 CPU 上用 17 秒完成验证。
The DecoderAI 评分6868 Stanford研究称44%的LLM既有研究结论已失效
Stanford研究人员用20个模型检验50项广泛引用的LLM结论，其中44%已失效，另有34%显著减弱，仅16%仍成立且6%增强。22项可估计失效时间的结论平均仅维持15.7个月，其中推理能力限制类结论失效最快。研究团队建议将LLM实证结论视为特定模型在特定时间点的观察，并公开模型版本、日期、提示词与分析代码以便复测。
MIT Technology Review AIAI 评分5050 “反向博弈论”如何约束 AI 智能体
一种被称为“反向博弈论”的机制设计方法，正尝试通过交叉检查、竞争和求解者与审计者分工，激励 AI 智能体遵守规则并减少测试伪装。该方法不要求完全理解模型内部机制，但依赖对智能体行为理性的假设。研究者也指出，智能体可能串谋、寻找漏洞，且面向单项任务设计的机制能否迁移到真实前沿模型仍不明确。
爱范儿AI 评分6262 GPT-6 Astra 直接修改 Qwen 权重提升数学成绩
MIT CSAIL 团队让 GPT-6 Astra 直接修改 Qwen3.5-0.8B 的 131072 个权重参数，将 MATH-500 成绩从 7.9% 提升至 48.1%，GSM8K 从 13.8% 提升至 67.1%。
IEEE Spectrum AIAI 评分6565 Benjamin Skuse 用 AI 伪造并投稿科学论文的实验
Benjamin Skuse 用免费 ChatGPT 和 Gemini 生成未经实施的论文并尝试向 IEEE Access 投稿，论文因多条幻觉引文被识别。随后他使用 FARS 在 21 分钟内形成研究提案，并于次日完成实验、用 2 小时生成投稿稿件，但大量引用预印本和图中异常文字仍导致拒稿。